order-imbalancepower-lawheavy-tailsq-exponentialstudent-distributiontail-indexchinaszsemicrostructureequity

订单不平衡分布 (Order Imbalance Distribution)

大白话：订单不平衡这个因子的取值分布不是钟形（高斯），而是长尾的——偶尔会出现极端值。若按高斯假设做统计推断，会系统性失真。

定义. 订单不平衡（order imbalance）的经验概率分布及其尾指数刻画。见 Zhang Gu Xu Xiong Chen Zhou 2017 Power-Law Tails（深交所 43 只股票，2003 年）。

两种定义

指标 定义
OIBNUM（按笔数） 1 分钟内买方主动委托笔数 − 卖方主动成交笔数
OIBVOL（按量） 1 分钟内买方主动委托量 − 卖方主动委托量

注意两者偏度方向相反（见下），差异本身有信息量。

A 股的核心统计事实（深交所 43 只，2003）

发现 内容
重尾确认 峰度显著大于 3（高斯为 3）
均值多为负 正值占比小于负值占比
偏度方向相反 OIBNUM 倾向负偏（长尾在左）；OIBVOL 更可能正偏（长尾在右）
标准差因股而异 股票间差异大

OIBNUM 与 OIBVOL 偏度相反的含义：大额买单的占比高于大额卖单，而小额卖单的笔数占比高于小额买单。

尾指数（NLSE 估计，可信）

指标 整体 \alpha 正尾 \alpha_+ 负尾 \alpha_-
OIBNUM 2.60 2.56 3.03
OIBVOL 2.19 2.13 2.50

读法：尾指数越小 = 尾越重。按此，正尾比负尾更重（正向极端不平衡出现得更频繁）。

⚠️ 估计方法上的一个坑：别用 MLE 估尾指数

方法 问题
MLE（极大似然） 被大量小不平衡值主导，尾部拟合差
NLSE（非线性最小二乘） 更能捕捉尾部行为 → 尾指数应以 NLSE 为准

模型比较（按拟合残差均方根，偏好 Student 分布的股票数）：

拟合 OIBNUM OIBVOL
NLSE 24/43 40/43
MLE 6/43（q-指数更优 37/43） 42/43

两个分布在中心区拟合都很好——\pm5 覆盖 OIBNUM 的 99.49% 样本，\pm3 覆盖 OIBVOL 的 98.61%。差异主要在尾部。

非参数方法（极大似然 + KS 检验）独立确认了幂律尾的存在。

三个关于尾形态的发现

1. 尾指数因股而异

论文明确："the tail index fluctuates remarkably from stock to stock"。\alpha 与 \alpha_\pm 有正相关，NLSE 的线性关系明显优于 MLE。

2. 正负尾不对称（正尾更重）

3. A 股 vs B 股的尾形态相反

指标 A 股 B 股
OIBNUM 尾指数 较小 平均更大
OIBVOL 尾指数 更大 较小

可能反映投资者结构差异（A 股境内散户为主、B 股境外投资者为主）。论文未展开解释。

时间尺度聚合：分布坍缩

改变聚合时间 \Delta t（5、10、15、30、60、120、240 分钟）：

  • 不同 \Delta t 的分布基本坍缩到一条曲线——标度信号。
  • 但负尾存在一定程度的差异（没有完全坍缩）。
  • 尾指数与 \Delta t 无清晰趋势。
  • 偏度演化方向相反：OIBNUM 左偏且偏度随 \Delta t 增大；OIBVOL 右偏且偏度减小。

对因子研究的实际含义（本 wiki 强调）

  1. 不能用高斯分布做统计推断——重尾显著。用正态假设算 t 值、算分位数分组，结论会系统性失真。
  2. 尾指数因股而异，不能用统一假设——若要去极值或做重尾化处理，阈值必须逐股估计。
  3. 分布族可选 Student 或 q-指数——NLSE 下 Student 在 OIBVOL 上明显更优（40/43），OIBNUM 上两者接近。
  4. 聚合到 5–240 分钟量纲差异不改变分布形状（负尾除外），便于跨尺度统一处理。

⚠️ 涨跌停对极值的截断

论文 Fig 1 提到：股票 000001 在 2003/01/14 与 2003/04/16 两天触及涨停且买一档队列为空，导致极端的订单不平衡值。

这是涨跌停截断极值的实例。在有涨跌停的 A 股，极端正不平衡可能受制度封顶而非市场力量决定——用其做因子时需注意。

未解张力：市场状态描述

本文称深证成指 2003 年全年上涨 29.39%，并用此论证"买单多于卖单 → 正尾更重"。

但同批数据的三篇论文都称 2003 年是"熊市"：

更要紧的是：若全年上涨，为什么订单不平衡均值多为负（Table 1 的明确发现）？

这可能意味着订单不平衡的均值与市场涨跌方向不同源——或许反映的是散户净卖出倾向，而非价格上涨的动因。本 wiki 未收口。

另注：论文结论段存在内部矛盾（先说"左尾指数大于右尾"、又说"正尾更重"）。按数学定义与 Table 2 数值，正尾更重成立；本 wiki 采信数值，已在 Zhang Gu Xu Xiong Chen Zhou 2017 Power-Law Tails 如实记录该矛盾。

待验证

  1. 尾指数能否预测冲击？ 本文完全没碰冲击。若尾指数重（\alpha 小）的股票对订单不平衡冲击更大，尾指数本身就是一个因子候选。
  2. 负尾为什么在时间尺度聚合时不坍缩？ 正尾完全坍缩、负尾有差异——可能与极端下跌时的机制有关（如跌停封板导致流动性消失）。
  3. 2010 年后数据是否仍如此？ 涨跌停会直接截断极值。

Cross-ref